[发明专利]一种心电信号中P波识别方法和系统

说明书

本发明公开了一种心电信号中P波识别方法和系统，包括：获取原始心电信号，并标记原始心电信号中P波的位置；采用滑动切分将原始心电信号切分为多条等长的小片段，并对所述小片段进行标记数值设置；构建深度神经网络模型，并输入标记数值设置后的小片段对深度神经网络模型进行训练，得到目标深度神经网络模型；将测试心电信号输入目标深度神经网络模型中，输出测试心电信号中P波的位置，如此，采用人工智能方法自动识别，替代传统基于模式识别的方法，使用更加灵活且精度更高。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种心电信号中P波识别方法和系统。

背景技术

心电信号记录了心脏跳动的电生理信号，反映在每一次心搏的图像上，表现为一系列特征波段，例如P波、QRS波、T波等，分别对应了心房除极活动、心室除极心房复极活动、心室复极活动。其中，P波代表了一次心脏活动的开始，也是心房电生理活动最明显的波段，P波的准确识别对于基于心电信号的分析起着至关重要的作用。

但是，P波的形态多样，难以准确描述，通常使用“高耸”、“倒置”、“不明显”等词语描述P波等形态，这些词语并没有具体描述“超过多少mV视为高耸”、“低于多少mV视为倒置”、“振幅小于多少算作不明显”，因此在模式识别方法中很难具体量化这些描述；其次，人群差异性大，每个人心脏的位置、方向、心脏活动强度都不一样，导致P波的形态千差万别，在模式识别方法中，对所有人群采用同一种模式识别P波，精度不高；P波容易受到噪声的干扰，采集过程中会遭到各种类型的噪音，例如肢体移动、其他仪器干扰、电流干扰等，这些也会造成P波形态的改变，降低模式识别方法的精度。

发明内容

基于背景技术存在的技术问题，本发明提出了一种心电信号中P波识别方法和系统；

本发明提出的一种心电信号中P波识别方法，包括：

S1、获取原始心电信号，并标记原始心电信号中P波的位置；

S2、采用滑动切分将原始心电信号切分为多条等长的小片段，并对所述小片段进行标记数值设置；

S3、构建深度神经网络模型，并输入标记数值设置后的小片段对深度神经网络模型进行训练，得到目标深度神经网络模型；

S4、将测试心电信号输入目标深度神经网络模型中，输出测试心电信号中P波的位置。

优选地，步骤S2，具体包括：

采用滑动切分将每一条原始心电信号切分为多条等长的小片段，记为T_j，若T_j中有P波位置标记，则设置T_j对应的标记数值L_j＝1，否则，即设置T_i对应的标记数值L_j＝0。

优选地，步骤S3，具体包括：

构建深度神经网络模型F，输入T_j，输出T_j中包含P波的预测概率y_j，y_j为0或1；

定义目标函数其中，m＝n/d，n为原始心电信号长度，d为滑动切分的步长，为预设值，若L_j＝1，CrossEntropy(L_j,y_j)＝-log(y_j),若L_j＝0，CrossEntropy(L_j,y_j)＝-log(1-y_j)；

再度量L_j和y_j之间的差异，并求解Loss的最优化，通过梯度下降法优化深度神经网络模型参数，将计算的梯度反向传播，并在反向传播的过程中更新网络参数，以此对F进行多轮迭代训练，得到目标深度神经网络模型。

优选地，步骤S4，具体包括：